Maschinelle Übersetzung (MÜ) feiert derzeit große Erfolge und wird kontinuierlich verbessert, wie nützlich ist sie aber wirklich? Diese Frage beschäftigt insbesondere professionelle Übersetzer, die von guten MÜ-Systemen stark profitieren können. Daher wird im Rahmen dieser schriftlichen Arbeit die Qualität von maschinell übersetzten Texten überprüft und die Rolle der maschinellen Übersetzung im Translationsprozess kritisch untersucht.
Zu diesem Zwecke wird zunächst die Entstehungsgeschichte der MÜ erläutert, welche von zahlreichen politischen Entscheidungen geprägt ist. Wie viele andere Technologien des 21. Jahrhunderts hat auch die Maschinelle Übersetzung ihren Ursprung im diplomatisch-militärischen Bereich. Im Kapitel 2.1. Geschichte der Maschinellen Übersetzung werden dementsprechend die wichtigsten Meilensteine in der Entwicklung dieser Technologie erläutert. Anschließend werden verschiedene Anwendungsbereiche der MÜ dargelegt. Diese resultieren aus unterschiedlichen Verwendungszwecken für MÜ, welche wiederum eng mit uneinheitlichen Anforderungen der Nutzer korrelieren. Diverse Schwächen und bekannte Problematiken der maschinellen Translation werden im Kapitel 2.3. Probleme der Maschinellen Übersetzung genauer erläutert. Es werden auch unterschiedliche methodische Ansätze der MÜ chronologisch und entsprechend ihrer Bedeutung in diesem Fachgebiet gezeigt. Hierbei wird die fundamentale Theorie hinter der jeweiligen Methode, ihre Funktionsweise sowie vorhandene Besonderheiten des betreffenden MÜ-Systems dargestellt. Diese theoretische Grundlage bildet den Ausgangspunkt für die Untersuchung von DeepL. Der erwähnte Online-Übersetzungsdienst wird als das zu untersuchende Translationssystem anschließend ausführlich betrachtet.
Darüber hinaus werden zwei relevante Evaluationsmethoden vorgestellt, wobei eine der beiden das Fundament der späteren Untersuchung bildet. Darauf folgt die Analyse der Übersetzungsqualität von DeepL und die Auswertung der Fehler anhand einer festgelegten Evaluationsmetrik. Der Fokus liegt hierbei auf Identifikation und Diskussion von verschiedenen Fehlertypen im Zieltext. Im Fazit dieser Abhandlung werden die gesammelten Daten im Hinblick auf die Zukunft der maschinellen Übersetzung abschließend diskutiert.
Inhaltsverzeichnis
1. Einleitung
2. Maschinelle Übersetzung
2.1. Geschichte der maschinellen Übersetzung
2.2. Zweck und Anwendung der maschinellen Übersetzung
2.3. Probleme der maschinellen Übersetzung
2.4. Methoden der maschinellen Übersetzung
2.4.1. Regelbasierte Methode
2.4.1.1. Direkte Methode
2.4.1.2. Interlingua-Methode
2.4.1.3. Transfer-Methode
2.4.2. Statistische Methode
2.4.2.1. Wortbasierte Methode
2.4.2.2. Phrasenbasierte Methode
2.4.2.3. Syntaxbasierte Methode
2.4.3. Beispielbasierte Methode
2.4.4. Neuronale Methode
3. DeepL
3.1. Über DeepL
3.2. Grundlegende Funktionen und Varianten von DeepL
3.3. Convolutional Neural Networks und die Grenzen der NMÜ
4. Evaluation der Übersetzungsqualität im Allgemeinen
4.1. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen mit BLEU
4.2. Evaluation der Übersetzungsqualität von maschinellen Übersetzungen nach Ramlow
5. Untersuchung und Fehleranalyse
5.1. Auswahl der Sprachen und der Texte
5.2. Bestimmung und Erläuterung der Fehlertypologie
5.3. Fehleranalyse der einzelnen Fehlerkategorien anhand von Beispielsätzen
5.4. Fehlerauswertung und Zusammenfassung
6. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Rolle der maschinellen Übersetzung (MÜ) im modernen Übersetzungsprozess und evaluiert kritisch die Qualität von DeepL anhand einer empirischen Fehleranalyse. Das Ziel ist es, die Leistungsfähigkeit neuronaler MÜ-Systeme in einem fachsprachlichen Kontext zu prüfen und Potenziale sowie Grenzen für den professionellen Einsatz aufzuzeigen.
- Entwicklung und Geschichte der maschinellen Übersetzung
- Methodische Ansätze von regelbasierten bis hin zu neuronalen Systemen
- Funktionsweise und Besonderheiten von DeepL
- Qualitätsevaluation durch manuelle Fehleranalyse basierend auf einer definierten Fehlertypologie
Auszug aus dem Buch
2.1. Geschichte der maschinellen Übersetzung
Die gesamte Geschichte der maschinellen Übersetzung erstreckt sich lediglich von der ersten Hälfte des 20. Jahrhunderts bis in die Gegenwart. In kürzester Zeit wuchs der Fachbereich zu einem komplexen Wissenschaftszweig heran. In dieser Periode veränderte der technologische Fortschritt die Landschaft der maschinellen Übersetzung maßgeblich und offenbarte viele Hürden sowie neue Lösungskonzepte. Diese dynamische Entwicklung nahm ihren Anfang in den 30er Jahren des 20. Jahrhunderts.
In seinem Buch „Problem solving activities in post-editing and translation from scratch“ führt Jean Nitzke den Ursprung der maschinellen Übersetzung auf die Patentvergabe für zwei ähnliche MÜ-Konzepte in Russland und Frankreich zurück. Diese Ideen wurde jedoch erst einige Jahre später von Warren Weaver aufgegriffen und als konkretes Forschungsziel formuliert (vgl. Nitzke 2019:4). Im Jahr 1949 veröffentlicht Weaver sein bahnbrechendes Memorandum unter dem schlichten Titel „Translation“ und skizziert darin die ersten Ideen zur Theorie der Direkten Übersetzung. Er zeichnet die Grenzen der Methodik auf und definiert die Problematik der Mehrfachbedeutung als die größte Herausforderung der direkten Übersetzungsmethode. Zugleich verweist Weaver auch auf die Relevanz des Kontexts, dessen Analyse den oben genannten Sachverhalt positiv beeinflusst und zur Steigerung der Übersetzungsqualität führen kann. Des Weiteren vermutet er, dass es in allen Sprachen gewisse logische Merkmale gibt, die gleichwertig sind, bzw. dass Sprachen im Allgemeinen universale Komponenten enthalten. Auch die Verwendung einer Universalsprache wird als eine Möglichkeit zur Lösung der Problematik der Ambiguität dargestellt.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung verortet die maschinelle Übersetzung im Kontext des technologischen Fortschritts und der Globalisierung und definiert das Ziel der kritischen Untersuchung der Qualität von DeepL.
2. Maschinelle Übersetzung: Dieses Kapitel erläutert die geschichtliche Entwicklung, Anwendungsbereiche und die verschiedenen technischen Methoden der maschinellen Übersetzung.
3. DeepL: Hier wird der Dienst DeepL vorgestellt, seine Funktionen beschrieben und der Einsatz von Convolutional Neural Networks als technische Grundlage thematisiert.
4. Evaluation der Übersetzungsqualität im Allgemeinen: Das Kapitel vergleicht verschiedene Evaluationsansätze, insbesondere das automatische BLEU-Verfahren und die qualitative Fehleranalyse nach Ramlow.
5. Untersuchung und Fehleranalyse: Dieses Kernkapitel beschreibt die Methodik der empirischen Untersuchung, die Auswahl des Textes aus dem EU-Vertrag und die systematische Kategorisierung der gefundenen Fehler.
6. Fazit: Das Fazit fasst die Ergebnisse zusammen, bewertet die Eignung von DeepL für den professionellen Einsatz und blickt auf die künftige Entwicklung der MÜ.
Schlüsselwörter
Maschinelle Übersetzung, DeepL, Fehleranalyse, neuronale Netze, Übersetzungsqualität, Post-Editing, Translation, Computerlinguistik, Sprachwissenschaft, Evaluation, Fehlertypologie, Translation Memory, künstliche Intelligenz
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Qualität von maschinell erstellten Übersetzungen am Beispiel des Dienstes DeepL und bewertet dessen Rolle im professionellen Übersetzungsprozess.
Was sind die zentralen Themenfelder der Arbeit?
Zentrale Themen sind die Geschichte und Methoden der maschinellen Übersetzung, die Funktionsweise neuronaler Netze sowie die Methoden der Qualitätsevaluation von Translationen.
Welches primäre Ziel verfolgt die Forschungsarbeit?
Das primäre Ziel ist eine wissenschaftliche Überprüfung der Übersetzungsqualität von DeepL anhand eines fachsprachlichen Auszugs und die Einschätzung des notwendigen Aufwands für eine professionelle Nachbearbeitung.
Welche wissenschaftliche Methode wird zur Analyse verwendet?
Die Arbeit nutzt die qualitative Fehleranalyse nach Markus Ramlow, um den Output des MÜ-Systems systematisch in Kategorien wie Lexik, Morphologie und Syntax zu erfassen.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden zunächst die theoretischen Grundlagen der MÜ-Methoden und die Architektur von DeepL dargelegt, gefolgt von der praktischen Durchführung der Fehleranalyse an einem Text aus dem Vertrag über die Europäische Union.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich durch Begriffe wie Maschinelle Übersetzung, DeepL, Fehleranalyse, neuronale Netze und Qualitätsevaluation beschreiben.
Inwieweit beeinträchtigen unbekannte Wörter die Qualität von DeepL?
Das „Problem des unbekannten Wortes“ stellt eine Herausforderung dar, da nur gelernte Begriffe präzise übersetzt werden können, was zu Lücken oder Fehlern im Zieltext führen kann.
Was ist das zentrale Ergebnis der durchgeführten Fehleranalyse?
Die Analyse ergab eine Fehlerrate von etwa 6,5 % im untersuchten Text, wobei DeepL insgesamt als ein qualitativ hochwertiges Werkzeug bewertet wird, das eine solide Grundlage für das Post-Editing bietet.
Warum ist die Analyse von Artikeln für DeepL problematisch?
Die Untersuchung zeigt, dass DeepL Schwierigkeiten bei der korrekten Setzung oder dem Weglassen von Artikeln (als Teil der Synsemantika) hat, was sich negativ auf die inhaltliche Präzision auswirken kann.
- Arbeit zitieren
- Pawel Trybulski (Autor:in), 2021, Rolle der maschinellen Übersetzung im Übersetzungsprozess. Kritische Untersuchung anhand von "DeepL" und Evaluation der Übersetzungsqualität, München, GRIN Verlag, https://www.grin.com/document/1159881
